结合聚类边界采样的主动学习

主动学习是一种机器学习方法,需要选择最有价值的样本进行标注。目前,主动学习在应用时面临着一些挑战,其依赖分类器的先验假设,这容易导致分类器性能意外下降,同时需要一定规模的样本作为启动条件。聚类可以降低问题规模,是主动学习的一种有效手段。为此,结合密度聚类边界采样,开展主动学习方法的研究。针对容易产生分类错误的聚类边界区域,通过计算样本密度,提出一种密度峰值聚类边界点采样方法;在此基础上,给出密度熵的定义,并利用密度熵对聚类边界区域进行启发式搜索,提出一种基于聚类边界采样的主动学习方法。试验结果表明,与文献中的5种主动学习算法相比,该算法能够以更少标记量获得同等甚至更高的分类性能,是一种有效的主动学习算法;在标记不足,无标签样本总量20%的情况下,算法在Accuracy、F-score等指标上取得较好的结果。

基于空间域与频域特征自适应融合和类间边界区域增强的三维海马分割

目的海马萎缩是诊断阿尔茨海默病等诸多精神疾病的临床重要标志,因此准确分割海马是一个重要的科学问题。随着深度学习的发展,人们提出了大量先进的自动分割方法。然而,由于MRI中各种噪声的影响以及海马不同类别之间不清晰的边界,三维海马分割仍然具有挑战性。因此本文旨在提出新的自动分割方法来更精确地分割海马头、体、尾。方法为了克服这些挑战,本文提出了两个策略。一种是空间域与频域特征自适应融合策略,通过快速傅立叶变换和卷积自动选择合适的频率组合,减少噪声对特征提取的影响。另一种是类间边界区域增强策略,它允许网络通过加权每个类之间边界区域的损失函数来增强对边界区域的学习,以达到精确定位边界和调节海马头、体、尾大小的目的。结果在50例青少年大脑MRI数据集上进行的实验表明,我们的方法实现了较先进的海马分割,海马头、体、尾相较于现有的方法都取得了一定的提升。消融实验证明我们提出的两种策略有效,我们还在260例Task04_Hippocampus数据集上验证了网络具有强大的泛化能力,说明本文提出的方法可用于更多的海马分割场景。结论我们提出的方法可以帮助临床医生更清楚地观测海马萎缩,并完成更精确的病情诊断和追踪。

基于正则化参数优化和边界聚类的电阻抗成像研究

电阻抗成像是一种无损伤的功能成像技术,由于逆问题具有不适定性、不稳定性等特点,往往存在重构图像的分辨率不高、伪影较大等问题。将Tikhonov和全变量(TV)两种正则化算法的罚函数进行组合应用,提出将粒子群算法用于组合罚函数的正则化参数优化,把图像质量指标(artifact level, AL)作为粒子群算法的适应度值,从而确定最优正则化参数,通过牛顿迭代法获得电导率,为了进一步去除伪影,将Niblack算法与边界聚类算法相结合,对求得的电导率进行处理,得到最终的电导率分布。仿真和实测结果均表明,该方法重建的图像能够更加准确地反映电场内目标物体的位置信息,有效的抑制伪影,提高了重建效果。

基于共享近邻和优化关联策略的边界剥离聚类

边界剥离聚类算法(BP)是一种基于密度的聚类算法,它通过逐渐剥离边界点来揭示聚类的潜在核心,已经被证明是一种十分有效的聚类手段.然而,BP算法仍存在一些不足之处:一方面,数据点的局部密度仅考虑了距离特征,使得边界点的确定不够合理;另一方面,BP算法中的关联策略容易误判异常值,并且在分配边界点时容易产生连带错误.为此,本文提出了一种基于共享近邻和优化关联策略的边界剥离聚类算法(SOBP).该算法使用了基于共享近邻的局部密度函数来更好地探索数据点之间的相似性,同时优化了BP算法中的关联策略,使得每次迭代中边界点不再仅与一个非边界点进行关联,并进一步采用了边界点与非边界点、已剥离边界点之间的双重关联准则.在一些数据集上的测试表明,相较于其他6种经典算法,该算法在评估指标上表现更佳.

边界类光的常r阶F-平均曲率类空超曲面

设W_(F(t))是以(n-1)-维圆球面为类光边界的紧致类空Wullf形,对应的F(t(v))是H^(n)上的满足某凸条件的旋转不变函数.本文利用度量扰动和积分公式的方法,证得L^(n+1)中与W_(F(t))相切于边界且有常r阶F-平均曲率(2≤r≤n)的类空超曲面必为W_(F(t)).

边界聚类椭圆快速检测方法

针对多个椭圆因重叠、遮挡、嵌套情况而存在检测效率与精度较低的问题,提出一种基于边界聚类的椭圆快速检测改进方法.该方法包括图像预处理、边界聚类、椭圆拟合和去伪过程.进行图像预处理,包括边界检测、细化边界和消除冗余等价边界列（EELs）,去除多数非椭圆边界像素.开展边界聚类,通过边界像素连接、线段列提取和圆弧聚类,得到一系列候选椭圆弧和椭圆弧对.采用直接最小二乘方法拟合椭圆,并作去伪处理.利用椭圆的形态信息,调整算法步骤、优化阈值,提高算法效率,并通过实验评估算法性能.结果表明,边界聚类方法可准确、快速检测不同形态的椭圆,改进后用时可缩短14%~76%.

聚类边界过采样不平衡数据分类方法

针对传统SMOTE过采样方法在生成合成样本的过程中存在的盲目性,以及对噪声敏感且容易出现过拟合现象的问题,提出一种改进的聚类边界样本过采样(CB-SMOTE)方法,通过引入"聚类一致性系数"找到少数类样本的边界,利用边界样本的最近邻密度来剔除噪声点和确定合成样本的数量,对SMOTE方法的新样本合成规则进行了优化.该方法是一种指导性的过采样方法,合成样本更加有利于分类器的学习.通过实验对比6种不同方法在UCI公共数据集上的分类性能,结果表明:CB-SMOTE方法对少数类样本和多数类样本都具有较高的分类准确率,且对过采样倍数的变化具有更高的稳定性.

弹性力学平面问题中一类无奇异边界积分方程

从理论上提出一种新的方法,归化出间接变量无奇异边界积分方程.采用Lagrange二次单元,建立一个数值求解框架系统.此外,基于问题的计算区域的特殊性,给出一种边界近似方法.数值算例表明该方法所取得的数值结果与精确解相当接近,特别是边界量的数值结果.此外,该方法容易被推广到三维问题.和已有的直接变量的情形相比较,具有优点: 1)无需处理HFP积分.大大降低处理问题的复杂性,并提高了计算效率和解的精度; 2)摆脱了问题的具体形式,进入纯代数操作.这样儆的好处是从理论上建立一种普遍适用的方法,不仅适用于弹性力学问题,同样可应用于其它问题,如位势问题,stokes问题等. 3)提供了一种计算CPV积分的方法.

第一类边界条件下的松散煤体非稳态传热反问题研究

为实现松散煤体热物性参数的高效准确获取,对第1类边界条件下的松散煤体非稳态传热反问题进行了研究.利用超级恒温水浴生成恒温水介质,结合底部为黄铜板的试样盒构建恒温边界,然后基于第1类边界条件下的一维非稳态传热模型,利用随机共轭梯度法估计松散煤体导热系数和比定压热容等.参数灵敏度分析表明,松散煤体导热系数与比定压热容可同时估计,但因比定压热容灵敏度系数较低,导致参数反演估计精度不高,从而采用先估计热扩散率,然后再对比定压热容进行修正的策略,实现了松散煤体导热系数及比定压热容的准确估计.通过建立的测试装置,进行了松散煤体热物性参数估计实验.结果表明:采用的松散煤体热物性反演估计算法具有较好的准确性和抗不适定性,初始猜测值对参数反演估计结果没有明显影响,而温度测量标准差达到0.6时,参数反演相对误差也仅为7.53%.

第二类边界条件下硬脂酸固液相变蓄能研究

通过引入有效导热系数来考虑自然对流对固液相变传热的影响,将相变蓄能模型简化为仅用能量方程描述,采用显热容法及正态分布液相率模型进行了求解.与硬脂酸固液相变实验的比较表明:自然对流对相变传热的影响不可忽略;修正后的有效导热系数经验公式能更准确地描述等热流边界条件下的固液相变过程;在等壁温边界条件下,相变速率随时间的推移而减小;在等热流边界条件下,相变速率随时间的推移而增大.

采用第一类边界条件数值模拟具有开口的大空间建筑室内速度场与温度场

本文以上海国际体操中心为研究对象,数值模拟夏季空调工况下室内速度场与温度场。采用对流辐射耦合热平衡方法,考虑平面辐射热源修正Gebhart吸收系数,以求得的各壁面温度作为数值模拟第一类温度边界条件。计算用软件为PHOENICS。数值模拟结果与现场实测结果基本吻合。

分类数据的聚类边界检测技术

随着分类属性数据集的应用越来越广泛,获取含有分类属性数据集的聚类边界的需求也越来越迫切。为了获取聚类的边界,在定义分类数据的边界度和聚类边界的基础上,提出了一种带分类属性数据的聚类边界检测算法——CBORDER。该算法首先利用随机分配初始聚类中心和边界度对类进行划分并获取记录边界点的证据,然后运用证据积累的思想多次执行该过程来获取聚类的边界。实验结果表明,CBORDER算法能有效地检测出高维分类属性数据集中聚类的边界。

基于矩阵模型的高维聚类边界模式发现

流形学习关注于寻找合适的嵌入方式将高维空间映射至低维空间,但映射子空间依然可能具有较高的维度,难以解决高维空间的数据挖掘任务.本文建立一种简单的矩阵模型判断数据点k近邻空间关于该点的对称性,并使用对称率进行边界提取,提出一种基于矩阵模型的高维聚类边界检测技术(Clustering boundary detection based on matrix model,MMC).该模型构造简单、直接、易于理解和使用.理论分析以及在人工合成和真实数据集的实验结果表明MMC算法能够有效地检测出低维和高维空间的聚类边界.

第一类边界对流扩散方程LDG方法的稳定性

针对一维常系数对流扩散模型方程,讨论了当含有第一类边界条件时,局部间断有限元方法(LDG方法)的稳定性。利用有限元理论基本分析技巧,证明了当边界条件为第一类的边界条件时,LDG方法为稳定的,并利用数值算例证明理论分析的正确性。

多角形域上第一类边界积分方程的高精度配置法

本文提出了一种多角区域上的第一类边界积分方程的高精度算法:离散之前采用特殊周期变换,消去边界积分方程未知函数在积分端点的奇异性,然后使用常元配置法求解,该方法在内点获得超收敛o(h3)。此外,通过Richardson整体外推,可进一步提高内点解的精度。实际计算结果表明,该方法优上同一问题的Galerkin方法甚至机械求积法。

用多极理论计算第一类边界上的场强分布

提出了用多极理论计算第一类边界上的场强分布 ,给出用多极理论准解析法计算三维静电场问题的使用规则和实施步骤。实例计算结果表明 :多极理论的计算结果与其它方法的计算结果完全一致 ,且与实验值相吻合 ;多极理论是计算第一类边界上场强分布的一种有效方法 。

第一类Dirichlet边界下空间四阶时间多项变阶分数阶慢扩散方程初边值问题的差分方法

研究求解第一类Dirichlet边界条件下空间四阶时间多项变阶分数阶慢扩散方程的差分方法.首先,应用降阶法将原方程转换为等价的低阶方程组.然后在特殊点处考虑此方程组,并对所得方程两端同时作用平均值算子.通过巧妙定义平均值算子,对边界条件进行处理,使所得差分格式全局上达到收敛阶O(τ^(2)+h^(4)),其中τ和h分别是时间步长和空间步长.借助离散能量分析方法,证明了所提格式的无条件稳定性和收敛性.最后,给出数值算例,进一步验证了上述结论.

两类边界条件的非线性椭圆的最优控制

本文研究关于带有两类边界条件的非线性椭圆系统的最优控制问题。其中,一类是带有第一类边界条件的非线性椭圆方程,另一类是带有第二类边界条件的非线性椭圆方程的边界控制。

混凝土浇筑层温度场在第一类边界条件下的计算

本文以边界虚厚度考虑固体边界效应，用拉氏变换方法求得混凝土浇筑层温度场在第一类边界条件下，有水化热和变动气温两种情况的理论解答。

第3类边界条件下1维平板对流融化过程的量纲一分阶段求解

为了研究平板融化各个传热阶段的特性,以第3类边界条件下1维有限厚度平板对流融化过程为研究对象,同时考虑融化后的相变材料被周围流体及时带走,把传热过程分成3个阶段,分别建立了传热计算模型,并采用3次多项式热平衡积分方法对各阶段进行近似求解.利用推导的计算方法,以Stefen数(Ste)、Biot数(Bi)及量纲一环境温度(θa)为控制参数对相界面变化规律进行了讨论,结果表明:当Biθa>3时,平板融化过程可以分为3个阶段,相反,可以分为2个阶段;在不同控制参数条件下,融化开始阶段量纲一相界面位置(H)与量纲一时间(τ)变化率相对较小,而融化后期变化率较大,且近似呈线性关系;在其他控制参数不变的条件下,随着Ste的增小,Bi或θa的增加,整个融化过程的总融化量纲一时间减小,且H与τ变化率增大.